随机漫步

这次我们将使用python生成随机漫步数据，然后用matplotlib的方式将这些数据呈现出来。
随机漫步每次行走都完全是随机的，没有明确的方向，结果是由一系列随机决策决定的。你可以这样认为，随机漫步就是蚂蚁在晕头转向的情况下，每次都沿随机的方向所经过的路径。

创建RandomWalk（）类

为了模拟随机漫步，我们创建一个RandownWalk的类，它随机选择前进的方向。这个类需要三个属性，其中一个是存储随机漫步次数的变量，其他两个是列表，分别存储随机漫步经过的每个点的x坐标和y坐标。
RandomWalk类只包含两个方法，init()和fill_walk()，其中后者计算随机漫步经过的所有点，下面是__init__()：

from random import choiceclass RandomWalk():"""一个生成随机漫步数据的类"""def __init__(self, number_points=5000):"""初始化随机漫步的属性"""self.number_points = number_points# 所有随机漫步都始于（0，0）self.x_values = [0]self.y_values = [0]

为做出随机决策，我们将所有可能的选择都存储到一个列表中，并在每次做出决策时都使用choice()来决定使用哪种选择，然后我们将随机漫步的默认点数设置为5000，然后我们创建了两个用于存储x值和y值的列表，并让每次漫步都是从（0,0）开始出发。

选择方向

    def fill_walk(self):"""计算随机漫步中包含的所有点"""# 不断漫步，直到列表达到指定的长度while len(self.x_values) < self.number_points:# 决定前进方向以及沿这个方向前进的距离x_direction = choice([1, -1])x_distance = choice([0, 1, 2, 3, 4])x_step = x_direction * x_distancey_direction = choice([1, -1])y_distance = choice([0, 1, 2, 3, 4])y_step = y_direction * y_distance# 计算下一个点的x和y值next_x = self.x_values[-1] + x_stepnext_y = self.y_values[-1] + y_stepself.x_values.append(next_x)self.y_values.append(next_y)

我们建立了一个循环，这个循环不断进行，直到漫步包含所有需数量的点。这个方法的主要部分告诉python如何模拟四种漫步决定：向左走还是向右走？向上走还是向下走？沿着指定的方向走多远？
我们使用choice([1, -1])给x_direction选择一个值，结果要么是表示向右走的1，要么是表示向左走的-1，接下来choice([0, 1, 2, 3, 4])随机选择一个0~4之间的数，告诉python沿着指定方向走多远。
我们将移动方向乘以移动距离，以确定沿x轴和y轴移动的距离。如果x_step为正，就将向右移动，为负向左移动，而为0将垂直移动，y_step为正向上移动，为负向下移动，为0则水平移动，如果两个都为0那么就以为着在原地踏步，我们拒绝这种情况，接着执行下一次循环。
为获取随机漫步的下一个点的x值，我们将x_step和x_values的最后一个值相加，对于y值也做同样的处理。获得下一个点的x值和y值之后，我们将它分别附加到列表x_values和y_values的末尾。

绘制随机漫步图

我们将上面创建RandomWalk类的py文件命名为random_walk.py。
下面的代码将随机漫步的所有点都绘制出来：

import matplotlib.pyplot as plt
from random_walk import RandomWalk# 创建一个RandWalk实例，并将其包含的点都绘制出来
rw = RandomWalk(5000)
rw.fill_walk()plt.scatter(rw.x_values, rw.y_values, s=15)
plt.show()

我们首先导入了模块pyplot和RandomWalk类，然后创建了一个RandomWalk实例，并将其存储到rw中，再调用fill_walk（），下图就是显示了包含了5000个点的随机漫步图。

模拟多次随机漫步

每次随机漫步都不相同，因此探索可能生成的各种模式很有趣。在不多次运行程序的情况下使用前面的代码模拟多次随机漫步，一种办法就是将前面的代码放进一个while循环中，如下所示：

import matplotlib.pyplot as plt
from random_walk import RandomWalkwhile True:# 创建一个RandWalk实例，并将其包含的点都绘制出来rw = RandomWalk(5000)rw.fill_walk()plt.scatter(rw.x_values, rw.y_values, s=1)plt.show()keep_running = input('Make another walk? (y/n) : ')if keep_running == 'n':break

这些代码模拟一次随机漫步，如果你输入y则再继续模拟生成一次随机漫步，输入n的话就退出程序了。

给点着色

我们将使用颜色映射出漫步中个点的先后顺序，并删除各个点的黑色轮廓，让他们颜色更加明显。为根据漫步中各点的先后顺序进行着色，我们传递参数c，并设置一个列表，其中包含各点的先后顺序。由于这些点都是按顺序绘制的，因此参数c指定的列表只需包含数字1~5000即可。如下所示：

import matplotlib.pyplot as plt
from random_walk import RandomWalkwhile True:# 创建一个RandWalk实例，并将其包含的点都绘制出来rw = RandomWalk(5000)rw.fill_walk()point_numbers = list(range(rw.number_points))plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Blues, edgecolors='none', s=1)plt.show()keep_running = input('Make another walk? (y/n) : ')if keep_running == 'n':break

我们使用range生成了一个数字列表，其中包含的数字与漫步包含的点数相同。接下来，我们将这个列表存储到point_numbers中，以方便使用它设置每个漫步点的颜色。我们将每个参数c设置为point_numbers，指定颜色映射为蓝色，并传递实参edgecolors以删除每个点周围的轮廓。最终的随机漫步图由浅蓝色渐变为深蓝色。如下图所示：

重新绘制起点和终点

除了给随机漫步各个点着色，以指出他们的先后顺序外，如果还能呈现随机漫步的终点和起点就更好了。为此，可在绘制随机漫步图后重新绘制随机漫步的起点和终点。我们让起点和终点变得更大，并显示为不同的颜色，以突出它们，如下所示：

import matplotlib.pyplot as plt
from random_walk import RandomWalkwhile True:# 创建一个RandWalk实例，并将其包含的点都绘制出来rw = RandomWalk(5000)rw.fill_walk()point_numbers = list(range(rw.number_points))plt.scatter(rw.x_values, rw.y_values, c=point_numbers, cmap=plt.cm.Blues, edgecolors='none', s=1)# 突出起点和终点plt.scatter(0, 0, c='green', edgecolors='none', s=100)plt.scatter(rw.x_values[-1], rw.y_values[-1], c='red', edgecolors='none', s=100)plt.show()keep_running = input('Make another walk? (y/n) : ')if keep_running == 'n':break

为突出起点，我们使用绿色绘制点（0,0），并使其比其它点大。为突出终点，我们在漫步包含的最后一个x值和y值处绘制一个点，使其为红色，并比其它点大。运行代码，将准确知道每次随机漫步的起点和终点。

隐藏坐标轴

下面来隐藏坐标轴，以免我们注意点是坐标轴而不是随机漫步路径。要隐藏坐标做代码如下：

# 隐藏坐标轴
plt.axes().get_xaxis().set_visible(False)
plt.axes().get_yaxis().set_visible(False)

为修改坐标轴，使用函数plt.axes()来将每条坐标轴的可见性设置为False。图如下：

python随机漫步相关推荐

【Matplotlib】【Python】如何使用matplotlib绘制绘制随机生成的点--随机漫步详解
目录 1.绘制随机漫步 2.模拟多次随机漫步 3.给点着色 4.重新绘制起点和终点 5.隐藏坐标轴随机漫步是指每次行走都完全是随机的,没有明确的方向,结果是由一系列随机决策决定的. 为模拟随机漫步, ...
Python模拟随机漫步
本文用Python模拟随机漫步行为. 1 使用内建的的random模块 import randomposition = 0 walk = [position] steps = 1000 for i i ...
Python中使用random随机函数与Matplotlib库绘制随机漫步图
Python中使用random随机函数与Matplotlib库绘制随机漫步图一.概述随机现象在我们的生活中并不少见,我们常见的一次抛硬币的正反面,股票的走势等等,都是随机事件.这些不确定性事件给我 ...
股票价格在随机漫步吗？用 Python 来告诉你
1. 什么是随机漫步在这个世界上存在的现象大体分为必然现象和随机现象两类.必然现象就像太阳每天必然从东边升起,西边落下那样,在相同条件下完全可以事先预测到它的结果.随机现象则不同,它在个别试验中会呈 ...
自回避随机行走问题 c语言,醉汉随机行走/随机漫步问题（Random Walk Randomized Algorithm Python）...
世界上有些问题看似是随机的(stochastic),没有规律可循,但很可能是人类还未发现和掌握这类事件的规律,所以说它们是随机发生的. 随机漫步(Random Walk)是一种解决随机问题的方法,它 ...
【Python】随机漫步
欢迎来到博主 Apeiron 的博客,祝您旅程愉快 !时止则止,时行则行.动静不失其时,其道光明. 目录 1.缘起 2.创建 RandomWalk 类 3.随机选择方向 4.绘制随机漫步图 5.总结 ...
蒙特卡罗仿真（2）：醉汉的随机漫步仿真示例（Python实现）
目录 1. 前言 2. 为什么要做蒙特卡罗仿真? 3. 第一个仿真程序 4. 仿真封装及批量仿真 5. 醉汉能回家吗? 1. 前言上一篇(蒙特卡罗仿真(1):入门求生指南(Python实例))通过几 ...
Python量化交易基础讲堂-可视化随机漫步轨迹
在< Python实战-构建基于股票的量化交易系统 >小册子的<前置基础:由例程快速入门常用数据分析工具>小节我们用到了一副插图: 这里我们结合小册中Numpy.Matplot ...
手把手讲解python在随机漫步理论的应用
随机漫步理论–python手把手讲解随机漫步理论是由Karl Pearson 于1905年提出的,它是一种变化形式,在运动过程中每一步都是随机,没有明确的方向.这个在自然界.物理学.生物学.化学和经 ...
python随机画散点图-python散点图实例之随机漫步
随机漫步是这样行走得到的途径:每次行走都是完全随机的,没有明确的方向,结果是由一系列随机决策决定的. random_walk.py #random_walk.py from random import ...

python随机漫步